本文說明多代理 AI 系統的高階架構，該系統可在資安營運中心 (SOC) 自動調度管理複雜的調查和分類程序。代理程式系統會協調不同安全系統的工作流程，例如安全資訊與事件管理 (SIEM) 系統、威脅情報動態消息、雲端安全防護管理 (CSPM) 平台，以及端點偵測與應變 (EDR) 解決方案。代理系統可以執行下列動作：
- 查看 Google Security Operations 的重大警示。
- 使用 Google Threat Intelligence 充實警告內容。
- 從第三方 CSPM 工具查詢資產設定錯誤。
- 導入人機迴圈審核機制。
- 從第三方 EDR 工具擷取詳細的端點遙測資料和程序執行記錄，調查遭入侵或可疑的端點。
這種架構可減少環境切換，並讓操作人員透過單一介面執行複雜的多階段調查，進而提升操作人員的效率。
本文適用對象包括架構師和開發人員，負責設計、建構及實作代理式 AI 應用程式，並將這些應用程式與雲端環境中的現有安全系統整合。此外，這項課程也適合負責監督資安營運的資安營運中心 (SOC) 分析師和系統管理員，他們會運用威脅情報主動防禦，並管理強大的 SecOps 工作流程，以偵測、調查及應對事件。本文假設您已瞭解代理式 AI 概念的基礎知識，包括多代理系統、代理工具使用和代理自動化調度管理。此外，本文也假設您熟悉威脅情報用途、資安營運工作流程和常見安全工具。如要瞭解威脅情報和常見安全性工具，請參閱「威脅情報用途和範例」。
架構
您可以根據需求選擇下列部署模型：
- Cloud Run 部署作業：全代管無伺服器平台，可讓您將整個代理程式應用程式、個別元件或自訂工具部署為可擴充的 HTTP 端點，不必管理底層基礎架構。
- Gemini Enterprise Agent Platform 的 Agent Runtime：全代管、有特定架構的執行階段，可用於部署、操作及擴充代理應用程式，作業負擔極低。
如要瞭解如何選擇 Agent Runtime，請參閱「選擇代理式 AI 架構元件」。
下列分頁提供架構圖，顯示 Cloud Run 部署作業和 Gemini Enterprise 部署作業的 Agent Runtime。
Cloud Run
下圖顯示部署於 Cloud Run 的 SOC 代理系統詳細架構：
架構圖顯示下列元件：
- Cloud Load Balancing
- 應用程式負載平衡器會將資安分析師傳入的推論要求轉送至代理系統。
- Google Cloud Armor
- 根據設定的網頁應用程式防火牆 (WAF) 規則，強制執行安全性政策。
- Identity-Aware Proxy (IAP)
- 強制執行零信任安全模式，並驗證使用者身分。
- Model Armor
- Model Armor 可檢查及清理提示、工具互動和回覆。可為任何基礎 AI 模型提供彈性的安全控管機制。如要為在 Cloud Run 上執行的自訂代理整合 Model Armor，請使用 Model Armor API。
- 代理組合
- Agent Development Kit (ADK) 是代理開發架構，可協助您建構代理，並以無伺服器 Cloud Run 服務的形式部署。如要進一步瞭解這個代理系統的內部架構，請參閱本文後續的「代理系統架構」一節。
- AI 模型
- 如要提供推論服務，這個架構中的代理程式會使用 Gemini Enterprise Agent Platform 的 AI 模型。
- MCP 伺服器
-
Model Context Protocol (MCP) 可讓代理程式存取工具，並標準化代理程式與工具之間的互動。代理系統會使用下列 MCP 伺服器：
- Google SecOps MCP 伺服器：Google 代管的 MCP 伺服器，可讓您存取 Google Security Operations SIEM 和 Google Security Operations SOAR 資料，包括記錄和案件實體。
- Google Threat Intelligence MCP 伺服器：本機 MCP 伺服器，可讓您存取 Google Threat Intelligence。Google Threat Intelligence 會將內部環境警示與全球攻擊者資料相互關聯，並簡化 SOC 工作流程中已知惡意指標的識別程序。
- 第三方 MCP 伺服器：由第三方供應商管理的連接器，可讓您與外部安全性工具互動。
使用的產品
這個架構範例使用下列 Google Cloud 產品和工具：
- Cloud Run：無伺服器運算平台，可讓您在 Google 可擴充的基礎架構上直接執行容器。
- Cloud Load Balancing：高效能、可擴充的全球和區域負載平衡器組合。
- Google Cloud Armor：這項網路安全防護服務提供網頁應用程式防火牆 (WAF) 規則，有助於防範 DDoS 和應用程式攻擊。
- Identity-Aware Proxy (IAP)：這項服務可為應用程式和虛擬機器啟用零信任存取模型。
- Google Security Operations：資安營運平台，可協助資安團隊偵測、調查及應對網路威脅。
- Google Threat Intelligence：這項安全性解決方案提供全面且主動的方法，可識別、分析及減輕安全威脅。
- Google Cloud MCP 伺服器：Google 代管的遠端服務，可實作 Model Context Protocol (MCP)，讓 AI 應用程式存取 Google 和 Google Cloud 產品與服務。
- Gemini：Google 開發的一系列多模態 AI 模型。
- Gemini Enterprise Agent Platform：全方位平台，可建構、擴充、管理及最佳化調整企業級 AI 代理。
- Agent Development Kit (ADK)：一組工具和程式庫，用於開發、測試及部署 AI 代理。
- Model Armor：這項服務可保護生成式和代理式 AI 資源，防範提示詞注入、敏感資料外洩和有害內容。
Gemini Enterprise 的 Agent Runtime
下圖詳細說明 SOC 代理 AI 系統的架構，該系統部署於 Gemini Enterprise 的 Agent Runtime：
架構圖顯示下列元件：
- Gemini Enterprise
- 使用者可透過 Gemini Enterprise 提供的對話助理與代理系統互動。
- 代理組合
- Agent Development Kit (ADK) 是代理開發架構，可協助您建立自訂代理、在 Agent Runtime 部署代理，以及向 Gemini Enterprise 註冊代理。如要瞭解這個代理程式系統的內部架構，請參閱本文件下方的「代理程式系統架構」一節。
- AI 模型
- 這個架構中的代理會使用 Agent Platform Model Garden 的 AI 模型執行推論。
- Model Armor
- 為強制執行企業安全和法規遵循政策，Model Armor 會直接與 Google Cloud 服務整合， 提供使用者提示和模型回覆的內嵌檢查和清理功能。Model Armor 內建與 Gemini Enterprise 和 Agent Platform 的整合功能，可自動篩選使用者與代管代理之間的互動。詳情請參閱「Model Armor 與 Google Cloud服務整合」。
- MCP 伺服器
-
Model Context Protocol (MCP) 可協助存取工具，並標準化代理與工具之間的互動。代理系統會使用下列 MCP 伺服器：
- Google SecOps MCP 伺服器：由 Google 代管的 MCP 伺服器，可讓您存取 Google SecOps SIEM 和 Google SecOps SOAR 資料，包括事件、實體、原始記錄和案件詳細資料。
- Google Threat Intelligence MCP 伺服器：本機 MCP 伺服器，可讓您存取 Google Threat Intelligence。Google Threat Intelligence 會將內部警示與全球對手資料建立關聯，並簡化 SOC 工作流程中已知惡意指標的識別作業。
- 第三方 MCP 伺服器：由第三方供應商管理的連接器，可讓您與外部安全性工具互動。
使用的產品
這個範例架構使用下列 Google Cloud產品和工具：
- Gemini Enterprise Agent Platform 的 Agent Runtime：這個平台可讓您在正式環境中執行、管理及擴充 AI 代理。
- Gemini Enterprise：全代管安全平台，可在企業內部署及管理 AI 代理。
- Google Security Operations：資安營運平台，可協助資安團隊偵測、調查及因應網路威脅。
- Google Threat Intelligence：這項安全性解決方案提供全面且主動的方法，可識別、分析及減輕安全威脅。
- Google Cloud MCP 伺服器：Google 代管的遠端服務，可實作 Model Context Protocol (MCP)，讓 AI 應用程式存取 Google 和 Google Cloud 產品與服務。
- Gemini：Google 開發的多模態 AI 模型系列。
- Gemini Enterprise Agent Platform：全方位平台，可建構、擴充、治理及最佳化企業級 AI 代理。
- Agent Development Kit (ADK)：一組工具和程式庫，用於開發、測試及部署 AI 代理。
- Model Armor：這項服務可保護生成式和代理式 AI 資源，防範提示詞注入、敏感資料外洩和有害內容。
代理系統架構
本節說明上述 Cloud Run 或 Gemini Enterprise 部署作業的自訂 SOC 代理程式系統架構。為自動調度管理複雜的安全性工作流程，代理會使用階層式工作分解模式。無論選擇哪種部署方法，代理程式的組成內容都保持一致。
下圖詳細說明代理系統架構：
架構圖顯示下列元件：
- 應用程式
- 與使用者互動的前端應用程式，例如對話介面。您可以選擇使用 Cloud Run 或 Agent Runtime 搭配 Gemini Enterprise 部署應用程式。
- 代理
-
這個架構使用下列代理程式：
- 根代理：協調代理，負責接收使用者要求。根代理程式會解讀使用者要求，並嘗試自行解決要求。如果工作需要專門工具，根層級代理會將要求委派給適當的專門代理。
- 專業服務專員：根代理會叫用下列專業服務專員：
- 第 1 層分析師：查詢 Google SecOps 和相關遙測來源時，會擷取快訊詳細資料、找出受影響的資產，並擷取使用者情境。
- 網路威脅情報 (CTI) 研究人員：研究與特定快訊相關的威脅發動者策略。這個代理程式會查詢威脅情報平台，將內部入侵指標 (IOC) 與已知威脅發動者群組和記錄的戰術、技術和程序 (TTP) 建立關聯，進而提供活動的風險評估。
代理系統架構圖顯示使用兩個 SOC 角色範例架構。視具體用途而定，您可以部署其他 SOC 角色，也可以建立自己的自訂角色。如需更多可協助您強化資安營運的 SOC 角色清單，請參閱「SOC 角色」。
- RAG 知識資料庫
- 這個資料庫提供檢索增強生成 (RAG) 的基準來源。資料庫會為代理提供事件應變計畫和 AI 應變手冊。AI 執行手冊是以代理技能形式呈現的規範工作流程。
- Artifact 服務
- 這項代管服務會將調查報告和證據儲存在 Cloud Storage 中。
- 記憶庫
- 永久狀態管理系統，可儲存自訂記憶主題，並讓代理在不同工作階段中，持續掌握環境和威脅脈絡。
- AI 模型
- 如要提供推論服務，這個架構中的代理程式會使用 Agent Platform 上的最新 Gemini 模型。
- MCP 伺服器
- MCP 伺服器可讓您輕鬆存取工具，並標準化代理與工具之間的互動。針對每組代理與工具，MCP 用戶端會向 MCP 伺服器傳送要求，代理則透過該伺服器存取工具，例如資料庫、檔案系統或 API。
- 代理工具
- 這些工具可讓代理擷取基準資料，例如對應的 AI 執行手冊、事件應變計畫、過往報告、內部文件和應對手冊。
- ADK
- ADK 提供開發、測試及部署代理的工具和框架。 ADK 可簡化代理的建立作業，讓 AI 開發人員專注於代理的邏輯和功能。
架構圖顯示下列資料流程：
- 資安分析師向SOC 經理 (協調員代理程式) 提交要求。舉例來說，分析師提交要求，希望調查案件 #37。
- 部署在 Cloud Run 或 Gemini Enterprise 的應用程式會將要求轉送至 SOC 管理員。
- SOC 經理使用 Gemini 解讀使用者的要求。
- SOC 管理員會執行下列工作，收集要求相關背景資訊：
- SOC 管理員會使用 Gemini 和擷取的背景資訊，將要求拆解成一系列子工作，並找出適當的工具。
- SOC 管理員會動態將子任務指派給專門的子代理，例如第 1 級分析師和網路威脅情報 (CTI) 研究員。
- 每個子代理都會執行下列動作，完成指派的子任務：
- 使用 Gemini 解讀工作目標。
- 從 RAG 知識資料庫、記憶和構件擷取相關背景資訊。
- 使用 MCP 伺服器收集下列額外背景資訊，做為回覆依據：
- 知識文件，例如先前的報告、內部文件和應對手冊。
- 安全情報和遙測功能，可使用 Google SecOps 和 Google Threat Intelligence 的資料。
- 使用 Gemini 和擷取的脈絡資料生成調查結果。
- 將研究結果彙整成結構分明的摘要。
- 將中繼回應轉送回 SOC 管理員。
- SOC 管理員會收到子代理程式的中繼回應，並根據 AI 執行手冊要求評估調查結果。
- 如果調查結果不符合評估條件，SOC 管理員會重複分析使用者的要求，並將子工作委派給子代理商，以收集額外資料。在這個反覆循環中，SOC 管理員會保留先前的內容鏈，為後續的工具呼叫和子代理委派作業提供資訊和強化。SOC 經理會持續這個循環，直到發現結果符合評估標準。
- 如果調查結果符合評估條件或結束條件 (例如達到最大疊代次數)，SOC 管理員會執行下列動作：
- 使用 Gemini 統整所有子代理程式的發現，製作成調查報告，並將報告儲存至 Artifact Service。
- 使用 Google SecOps MCP 伺服器將結果張貼至案件牆。
- 將新記憶儲存至 Agent Platform Memory Bank。
- SOC 經理將構件連結和報告摘要傳回給資安分析師。
使用的產品
本文中的代理程式系統架構使用下列 Google Cloud產品和工具：
- Google Security Operations：資安營運平台，可協助資安團隊偵測、調查及應對網路威脅。
- Google Threat Intelligence：這項安全防護解決方案提供全方位的主動式做法，可識別、分析及減輕安全威脅。
- Google Cloud MCP 伺服器：Google 代管的遠端服務，可實作 Model Context Protocol (MCP)，讓 AI 應用程式存取 Google 和 Google Cloud 產品與服務。
- Gemini：Google 開發的一系列多模態 AI 模型。
- Gemini Enterprise Agent Platform：全方位平台，可建構、擴充、管理及最佳化調整企業級 AI 代理。
- Agent Development Kit (ADK)：一套工具和程式庫，可用於開發、測試及部署 AI 代理。
- Model Armor：這項服務可保護生成式和代理式 AI 資源，防範提示詞注入、機密/私密資料外洩和有害內容。
- Memory Bank：這項永久儲存服務會根據使用者與代理的對話，生成、修正、管理及擷取長期記憶。
- Cloud Storage：適用於多種資料類型的物件儲存庫，成本低廉且沒有限制。資料在 Google Cloud 內外都能存取 Google Cloud，且會複製到多個位置，以便提供備援機制。
如要瞭解如何為代理式 AI 系統選取替代元件，包括框架、Agent Runtime、工具、記憶體和設計模式，請參閱「選擇代理式 AI 架構元件」。
設計考量
本節說明設計因素、最佳做法和建議，供您參考這些資訊，使用這個參考架構開發拓撲，滿足安全性、可靠性和成本方面的特定需求。
本節的指引僅列出部分範例。如要進一步瞭解設計因素和最佳做法，以及建構及部署多代理式 AI 系統的建議，請參閱「 Google Cloud中的多代理式 AI 系統」。
安全性、隱私權和法規遵循
為因應 AI 代理獨有的安全風險，Google 建議採取做法，結合確定性安全控管機制與動態、以推論為基礎的防禦措施：
- 人工監督：在業務關鍵系統中加入人工介入迴路流程，讓人工監督員審查輸出內容，並核准、覆寫或暫停代理程式動作。
- Agent Identity：為每個代理指派與工作負載繫結的身分，強制執行最小權限存取控管，並集中管理外部工具的憑證。
- Agent Gateway： 強制執行輸入和輸出流量管理、預設拒絕存取政策， 並使用 Model Armor 檢查內嵌提示和工具。
Agent Registry：確認代理只會連線至核准的子代理和 MCP 工具。
驗證環境：為確保各環境的驗證程序順暢，請設定部署管道，管理從開發驗證策略轉換的過程。舉例來說，您可能需要從本機執行的應用程式預設憑證 (ADC)，轉換為 Identity and Access Management (IAM) 管理的服務帳戶，以用於正式環境中代管的遠端 MCP 伺服器。
可靠性
為確保代理程式設定符合可靠性需求，請考慮下列建議：
- 代理範圍：為提高模型準確度，請設定每個代理的執行手冊和系統指令範圍。
- MCP 結構定義相容性：為避免 AI 模型誤解工具定義並發出錯誤的工具呼叫，請清理工具結構定義。為 JSON 結構定義
$ref和$defs建立獨立建構函式，並將大寫型別字串正規化。
成本最佳化
為確保代理程式設定符合成本規定，請參考下列建議：
- 代理工具存取權：為減少權杖消耗並強制執行最小權限原則，請視需要為不同代理提供部分工具。
- 脈絡視窗管理：為盡量減少詞元消耗量，請設計簡潔的提示和工具輸出內容。使用 RAG 存放區，並運用代理技能預先載入情境資訊，以及摘要大型工具回覆。
- 提示快取：為降低輸入權杖費用，請快取靜態代理程式內容，例如系統指令、角色、執行手冊和工具結構定義。
- 模型選取：為 AI 應用程式選取的模型會直接影響成本和效能。根據不同的代理角色和工作需求，在代理系統中選取不同的模型。如需複雜推論和任務分解，請使用 Gemini Pro 等思考型模型。如果是小型且直接的工作，請使用 Gemini Flash 等快速、低成本的模型。
部署作業
如要部署這個架構的範例實作，提供自訂 SOC 代理程式，請使用 GitHub 上的 Agentic SOC Gemini Enterprise 程式碼範例。
建議您依下列順序疊代處理代理程式：
- 使用 ADK 網頁版在本機部署：加速原型設計，並快速疊代代理邏輯。
- 部署至本機容器：確保可攜式且不可變更的環境具有一致的依附元件。
- 將容器部署至 Cloud Run 或 Agent Runtime： 擴充代理，有效執行資安營運，並將應用程式從開發環境移至正式環境。
後續步驟
- 瞭解如何在 Cloud Run 託管 AI 代理
- 瞭解使用生成式 AI 確保安全性。
- 瞭解 Gemini Enterprise 安全性總覽。
- 瞭解如何建構多代理式 AI 系統 Google Cloud。
- 使用 Google SecOps MCP 伺服器，將代理連結至 Google SecOps 資料。
- 請參閱 Google Cloud Well-Architected Framework 中的安全性觀點。
- 如要查看更多參考架構、圖表和最佳做法，請瀏覽 Cloud Architecture Center。
貢獻者
作者：
- Ben Perel | 資安專員
- Daniel Dye | SecOps AI 工程師
其他貢獻者：
- Amr Abdelrazik | 產品群經理
- Kumar Dhanagopal | 跨產品解決方案開發人員
- Samantha He | 技術文件撰稿者